0.前言
本文作者接触深度学习2个月后,开始进行目标检测实践。
本文作者的专题《目标检测》链接:https://www.jianshu.com/c/fd1d6f784c1f
此专题的宗旨是让基础较为薄弱的新手能够顺利实现目标检测,专题内容偏向于掌握技能,学会工具的使用。
本文作者尚未具备清楚讲述目标检测原理的能力,学习原理请自行另找文章。
1.不同操作系统的指引
本文中演示的操作系统是Win10。
如果要学习如何在Linux操作系统中下载和安装CUDA9.0、cudnn7.3、tensorflow_gpu1.10,请浏览本文作者的另外一篇文章《在谷歌云服务器上搭建深度学习平台》,链接:https://www.jianshu.com/p/893d622d1b5a
《在谷歌云服务器上搭建深度学习平台》这篇文章中有部分内容是如何建立和连接云虚拟机,这部分内容对于拥有Linux主机的读者是无用的。为了减少读者阅读无用内容的时间,本文作者声明,读者只需要阅读下面5个章节即可完成在Linux操作系统的深度学习环境搭建:
- 第2章《在云虚拟机中安装Anaconda5.2》;
- 第4章《在云虚拟机中安装Nvidia驱动》;
- 第5章《在云虚拟机中安装CUDA9.0》;
- 第6章《在云虚拟机中安装cuDNN7.1》;
- 第7章《在云虚拟机中安装TensorFlow、Keras》
2.软件下载
百度云盘下载链接: https://pan.baidu.com/s/1nGUYr3AHyDJrKzcUctprVg 提取码: 1b66
本文作者在链接中上传了4个深度学习环境搭建所必需的文件,如下:
- Microsoft出品,在Windows操作系统运行所有软件都依赖的.Net Framework库,版本为4.6。
- Nvidia出品,用于做并行计算的平台CUDA,版本为9.0,前提是电脑拥有Nvidia独立显卡。
在做深度学习实验时,建议最低配置也需要Nvidia GTX1060的6GB显存版本。
本文作者使用的是CUDA9.0,查看自己的电脑是否能够使用CUDA9.0,请查看本文作者的另外一篇文章《Windows系统查看CUDA版本号》,链接:https://www.jianshu.com/p/d3b9419a0f89 - Nvidia出品,用于做深度学习加速计算的cuDNN库,版本为7.3。
- Google出品,提供给开发人员的深度学习开发框架TensorFlow。
其有2个版本,cpu版和gpu版,本文要安装的是gpu版本,因为gpu版本是cpu版本运行速度的50倍。
在这篇文章当中,本文作者只演示如何安装软件,使读者能够以最快的速度使用上深度学习的GPU加速。
学习如何从官网下载这些软件,请阅读本文作者的另外一篇文章:《深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的下载》,链接:https://www.jianshu.com/p/c73668544925
3.安装.Net Framework4.6
选择下图中红色箭头标注处exe可执行文件,双击开始安装。
![10345471-aeb252c215698edb.png](https://i-blog.csdnimg.cn/blog_migrate/eaa65b8f10ab9ba5211ba8852dacd234.webp?x-image-process=image/format,png)
双击后,显示 Extracting files。
![10345471-0d71cbed6962fcdb.png](https://i-blog.csdnimg.cn/blog_migrate/2c151b1f4b3d5fd6f17ee70ada634bf2.webp?x-image-process=image/format,png)
因为本文作者已经成功安装,所以显示如下图所示。
需要进行安装的读者,在安装过程中不需要进行选择,一直点击下一步,按照软件的默认设置安装即可。
![10345471-4cd0e32a58d99254.png](https://i-blog.csdnimg.cn/blog_migrate/6de869ecbcfa8401ffc6b8716440f587.webp?x-image-process=image/format,png)
4.安装CUDA9.0
本文写作的时候,市面上已经有CUDA10.0,但是没有与之对应的Tensorflow_gpu版本。
因为最新版的Tensorflow_gpu兼容CUDA9.0的版本容易从网上获取,即通过pip install tensorflow_gpu
安装的版本是可以兼容CUDA9.0的。
选择下图中红色箭头标注处exe可执行文件,双击开始安装。
![10345471-71db7ef85fce95fd.png](https://i-blog.csdnimg.cn/blog_migrate/ba4b3581f72efe21bfb098730f9ea067.webp?x-image-process=image/format,png)
不要修改默认安装位置,直接点击OK,如下图中红色箭头标注处所示。
![10345471-e0bc1743430a0e23.png](https://i-blog.csdnimg.cn/blog_migrate/54d9e0058feefa6856d7e89166f48eba.webp?x-image-process=image/format,png)
如下图所示,正在提取安装文件中的内容, 等待即可。
![10345471-9ff0b56fec0c644a.png](https://i-blog.csdnimg.cn/blog_migrate/fdd8e6b47a87cbcbd1404b279690ff35.webp?x-image-process=image/format,png)
上图运行完成后,回自动弹出NVIDIA安装程序,如下图所示。
在检测系统兼容性这一步, 等待即可。
![10345471-80c767d487e06c2b.png](https://i-blog.csdnimg.cn/blog_migrate/e03a5ba023a9e10b3556632b43b8adfb.webp?x-image-process=image/format,png)
本文作者的显卡是Nvidia RTX2070,在下图中安装程序显示没有发现可以兼容的显卡设备。
因为CUDA9.0比RTX2070更早发布,所以没有找到是合理的,但是安装后 仍然可以正常使用。
本文读者可能直接跳到“许可协议”这一步,则说明安装程序找到了可兼容的显卡设备。
点击下图红色箭头标注处,进入下一步。
![10345471-51ed1633eda9bbf9.png](https://i-blog.csdnimg.cn/blog_migrate/48bd5cd5cfd7f7533be9c84a587afdb8.webp?x-image-process=image/format,png)
许可协议 不用仔细去阅读,点击下图红色箭头标注处,进入下一步。
![10345471-92496a9ed3f8d097.png](https://i-blog.csdnimg.cn/blog_migrate/f76f5ff0521360110a039cf03a74fdc3.webp?x-image-process=image/format,png)
安装模式选择 精简,点击下图红色箭头标注处,进入下一步。
![10345471-60adbaab2b29e9ec.png](https://i-blog.csdnimg.cn/blog_migrate/1bb285417cce32a32f6ce39e1eae39ed.webp?x-image-process=image/format,png)
勾选下图中的上方红色方框标注处,然后 NEXT按钮会亮起。
点击下图中的下方红色箭头标注处中的 NEXT按钮,进入下一步。
![10345471-8d2b5bf069e38af8.png](https://i-blog.csdnimg.cn/blog_migrate/66ac723989ce70c65cc5c16993e8f1c9.webp?x-image-process=image/format,png)
安装界面显示 Preparing for installation,即正在准备安装。
![10345471-237ff3ebf7caf0c8.png](https://i-blog.csdnimg.cn/blog_migrate/e51506ddf13b1d0b94542e3c6bcf6366.webp?x-image-process=image/format,png)
安装过程中部分截图如下图所示。
![10345471-ebe4746b4b1651d4.png](https://i-blog.csdnimg.cn/blog_migrate/6233164005af0cb629e1dd1daf5d7438.webp?x-image-process=image/format,png)
安装完成后,安装程序界面如下图所示。
点击下图中的下方红色箭头标注处中的 下一步。
![10345471-8c8871dd3ba94915.png](https://i-blog.csdnimg.cn/blog_migrate/81e90c7dbe41559fc02f3e6b3dfb260e.webp?x-image-process=image/format,png)
结束界面中两个可选项 不用勾选。
点击下图中的下方红色箭头标注处中的 关闭,安装CUDA9.0结束。
![10345471-eb97048a12b99b4a.png](https://i-blog.csdnimg.cn/blog_migrate/ddc431983677185537cc6acb7dce2a15.webp?x-image-process=image/format,png)
5.安装cudnn7.3
使用解压软件将压缩文件cudnn-9.0-windows10-x64-v7.3.1.20.zip解压到当然文件夹,
具体操作示意图如下图所示:
![10345471-4009241155bcf3cb.png](https://i-blog.csdnimg.cn/blog_migrate/796813505c34f273cfcb13cfb64dee55.webp?x-image-process=image/format,png)
解压后入下图所示,在文件夹 cuda9.0下载中多了文件夹 cuda。
![10345471-9ace9d94ddb14030.png](https://i-blog.csdnimg.cn/blog_migrate/b9cdf9d38786676584a1696d923e4d66.webp?x-image-process=image/format,png)
进入文件夹 cuda,如下图所示。
文件夹 cuda中有3个文件夹: bin、include、lib,和1个文件 NVIDIA_SLA_cuDNN_Support.txt
![10345471-81e47125a37f17e1.png](https://i-blog.csdnimg.cn/blog_migrate/e68c65858c9161994a16b19a46e1ef24.webp?x-image-process=image/format,png)
选中文件夹 cuda中的所有文件夹和文件,然后 复制。
具体操作示意图如下图所示。
![10345471-478540caa43fe608.png](https://i-blog.csdnimg.cn/blog_migrate/a110f5168156aad774649131a59617e1.webp?x-image-process=image/format,png)
读者需要找到自己电脑的CUDA安装路径,如果上一章 安装CUDA9.0是按照本文作者提示进行的,则路径应该和本文作者相同。
本文作者的CUDA安装路径:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
,如下图所示:
![10345471-1c255232d5cff340.png](https://i-blog.csdnimg.cn/blog_migrate/e327b4909e40d3e3187e880310b00158.webp?x-image-process=image/format,png)
将文件夹 cuda中复制的3个文件夹和1个文件复制到路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
具体操作示意图如下图所示。
注意,如果下图中的 粘贴按钮不可使用,则重新复制文件夹 cuda的3个文件夹和1个文件
![10345471-595a23c753e68268.png](https://i-blog.csdnimg.cn/blog_migrate/6a38514e1623cad84f07057b79a5f885.webp?x-image-process=image/format,png)
如果读者操作正确,则粘贴后路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
中内容如下图所示。
从下图可以看出文件 NVIDIA_SLA_cuDNN_Support.txt已经被成功复制到该路径下。
bin、include、lib这3个文件夹和路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
中的文件夹做了
合并。
![10345471-67682a2c286b4240.png](https://i-blog.csdnimg.cn/blog_migrate/9be0d689e8e79bc95d446be71132019c.webp?x-image-process=image/format,png)
6.安装tensorflow_gpu1.10
6.1 运行pip install命令安装本地WHL文件
使用WHL文件安装python中的库,使用的WHL文件如下图所示。
![10345471-3ab0d687f7c10f14.png](https://i-blog.csdnimg.cn/blog_migrate/733b98cbe1cbb32219cf855ebcad82d9.webp?x-image-process=image/format,png)
在资源管理器的路径处输入
cmd
,如下图所示,然后按Enter键进入cmd工具。
![10345471-a1b760281ab8d4d5.png](https://i-blog.csdnimg.cn/blog_migrate/07451cfa10bdbf28daae7bf097e02912.webp?x-image-process=image/format,png)
读者需要观察cmd此时所在的路径是否为 WHL文件所在的路径,如下图所示。
![10345471-5bcd9513749a4b6d.png](https://i-blog.csdnimg.cn/blog_migrate/87d7a71282c72767e6bccf610620ce58.webp?x-image-process=image/format,png)
在cmd中输入命令:
pip install tensorflow_gpu-1.10.0-cp36-cp36m-win_amd64.whl
,然后按Enter键运行命令。
下图中 上方红色箭头标注处表示 cmd中运行的命令。
下图中 下方红色箭头标注处表示 成功安装。
![10345471-7cda6c4b5a7ac326.png](https://i-blog.csdnimg.cn/blog_migrate/63b03ff2cf881bb8aa1be12aa9f26f27.webp?x-image-process=image/format,png)
6.2 运行pip install命令安装msgpack库
考虑到部分读者可能没有安装运行tensorflow必需的msgpack库。
在cmd中输入命令:pip install msgpack
,然后按Enter键运行命令。
![10345471-73bd6bbc251dd250.png](https://i-blog.csdnimg.cn/blog_migrate/def765e1db9711a3fe3b4263f0cc4e06.webp?x-image-process=image/format,png)
到这里为止,所有需要安装的软件和库已经完成,接下来只需要测试运行环境能否使用。
7.测试运行环境
7.1 新建文本文件
在文件夹中新建一个文本文件,具体操作示意图如下图所示:
![10345471-a7522311fc85d1dc.png](https://i-blog.csdnimg.cn/blog_migrate/fdaba90e2485edda2da601e65e869c7e.webp?x-image-process=image/format,png)
7.2 编辑代码
打开上一节中的文本文件,将下面一段代码复制到其中。
import tensorflow as tf
hello = tf.constant('hello, tensorflow!')
session = tf.Session()
print(session.run(hello))
具体操作示意图如下图所示:
![10345471-68f5099ffdc180e4.png](https://i-blog.csdnimg.cn/blog_migrate/0340fd1c414e59c63f853bbcb5703b85.webp?x-image-process=image/format,png)
复制完成后, 保存并退出。
7.3 重命名文件
首先读者需要能够更改代码文件的后缀名,点击查看,位置如下图红色箭头标注处所示。
![10345471-5490e9bc06f63c42.png](https://i-blog.csdnimg.cn/blog_migrate/cdea0ef55fd599f78a408c7d5b5acc9a.webp?x-image-process=image/format,png)
如下图红色箭头标注处所示, 需要勾选。
![10345471-d207626209a21581.png](https://i-blog.csdnimg.cn/blog_migrate/897e12ede38cd7bd61d160c9ea90fc9b.webp?x-image-process=image/format,png)
从上面2张图的对比可以看出,两者的区别是 文件是否有后缀名。
把 新建文本文档.txt文件做 重命名,修改为 test.py。
提示是否确实要更改,选择 是,如下图红色箭头标注处所示。
![10345471-d216da484468326f.png](https://i-blog.csdnimg.cn/blog_migrate/eca17713ca8d7166131eff35e2e24d11.webp?x-image-process=image/format,png)
修改后,文件情况如下图所示:
![10345471-9b85dfa24076c18c.png](https://i-blog.csdnimg.cn/blog_migrate/772d7f5de5c22869e6c71ddce6358ee1.webp?x-image-process=image/format,png)
7.4 运行py文件
在文件test.py所在路径下打开cmd,在cmd中输入并运行命令:python test.py
,如下图所示。
请读者确认cmd所在路径需要与文件test.py所在路径相同。
![10345471-a85a4529f6b46fd9.png](https://i-blog.csdnimg.cn/blog_migrate/8a96034adc320f8f2421f48651dccbd6.webp?x-image-process=image/format,png)
第1次运行此命令时,程序需要大约2分钟 自动配置tensorflow_gpu运行所需要的环境。
之后再运行此命令时,都 不再需要重复配置tensorflow_gpu运行所需要的环境。
如果命令成功运行,结果如下图所示:
![10345471-9a27b87a415b76da.png](https://i-blog.csdnimg.cn/blog_migrate/d882dc67397440a2d9d73b6162a9e3d0.webp?x-image-process=image/format,png)
8.总结
- 本文作者提供4个安装文件在百度云盘的下载链接,读者可以直接下载安装,省去了自己下载的麻烦。
- 本文详细介绍了tensorflow的gpu版本的安装细节,希望给入门深度学习的读者带来良好的起步。
- 如果读者对细节有疑问,可以在评论区留言。
- 不同读者的实际操作中,可能会遇到各种奇怪的困难,本文作者建议先将Nvidia相关驱动卸载干净后,重新安装Nvidia驱动,再实现本文当中的操作。
- 如果一直出现找不到tensorflow库的错误,本文读者提示可以使用
conda install tensorflow_gpu
的方法先解决环境问题,然后再conda uninstall tensorflow_gpu
,最后再实现本文当中的操作。